科研之友
微信
新浪微博
Facebook
分享链接
摘要
在数据不完备的背景下，实现鲁棒的交通流预测对于智能交通系统的运行具有重要意义。本文提出了一种基于节点向量-生成对抗网络的交通流预测方法。首先，通过Node2Vec方法实现路网邻接关系的重构，实现路网空间相关性的深度挖掘；其次，基于残差图聚合机制构建了路网数据空间特征的生成器，并实现了根据路网中的部分已知数据推演未来路网交通流数据；最后，本文采用西雅图高速路网速度数据集(Seattle)和加州路网速度数据集(PEMS)，实验结果表明，该模型在不同数据缺失模式、不同数据缺失率下均可以保持鲁棒的交通流预测表现。
-
单位浙江工业大学; 交通运输部科学研究院
